G.1.6」カテゴリーアーカイブ

ELRA: Exponential learning rate adaption gradient descent optimization method

要約 我々は、新しい高速 (指数関数的レート適応)、ab initio (ハイパ … 続きを読む

カテゴリー: cs.LG, G.1.6, math.OC | ELRA: Exponential learning rate adaption gradient descent optimization method はコメントを受け付けていません

ChatGPT-based Investment Portfolio Selection

要約 このペーパーでは、ChatGPT などの生成 AI モデルを投資ポートフォ … 続きを読む

カテゴリー: 90, cs.AI, cs.CE, G.1.6, q-fin.CP, q-fin.PM | ChatGPT-based Investment Portfolio Selection はコメントを受け付けていません

A Self-Adaptive Penalty Method for Integrating Prior Knowledge Constraints into Neural ODEs

要約 自然システムの連続ダイナミクスは、ニューラル常微分方程式 (ニューラル O … 続きを読む

カテゴリー: cs.LG, G.1.6, math.OC | A Self-Adaptive Penalty Method for Integrating Prior Knowledge Constraints into Neural ODEs はコメントを受け付けていません

A Self-Adaptive Penalty Method for Integrating Prior Knowledge Constraints into Neural ODEs

要約 自然システムの連続ダイナミクスは、ニューラル常微分方程式 (ニューラル O … 続きを読む

カテゴリー: cs.LG, G.1.6, math.OC | A Self-Adaptive Penalty Method for Integrating Prior Knowledge Constraints into Neural ODEs はコメントを受け付けていません

Variational multichannel multiclass segmentation using unsupervised lifting with CNNs

要約 変分エネルギー関数と深層畳み込みニューラル ネットワークを組み合わせた、教 … 続きを読む

カテゴリー: 00, 65K10, 68T10, 68U10, cs.CV, cs.NA, G.1.6, math.FA, math.NA | Variational multichannel multiclass segmentation using unsupervised lifting with CNNs はコメントを受け付けていません

HiveNAS: Neural Architecture Search using Artificial Bee Colony Optimization

要約 従来のニューラル ネットワーク開発プロセスでは、かなりの専門知識が必要であ … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.NE, G.1.6 | HiveNAS: Neural Architecture Search using Artificial Bee Colony Optimization はコメントを受け付けていません

Applying Ising Machines to Multi-objective QUBOs

要約 複数の目的の最適化問題には、複数の、多くの場合矛盾する目的の間でさまざまな … 続きを読む

カテゴリー: cs.AI, G.1.6, quant-ph | Applying Ising Machines to Multi-objective QUBOs はコメントを受け付けていません

MoMo: Momentum Models for Adaptive Learning Rates

要約 我々は、どのような運動量法でも使用できる新しい適応的な学習率を提示する。こ … 続きを読む

カテゴリー: 15B52, 62L20, 65Y20, 68W20, 68W40, 74S60, 90C06, 90C53, cs.LG, G.1.6, math.OC | MoMo: Momentum Models for Adaptive Learning Rates はコメントを受け付けていません

Sparsifying Bayesian neural networks with latent binary variables and normalizing flows

要約 【タイトル】 潜在的バイナリ変数と正規化フローを用いたスパースなベイジアン … 続きを読む

カテゴリー: 05A16, 60J22, 62-02, 62-09, 62F07, 62F15, 62J05, 62J12, 62J99, 62M05, 90C27, 90C59, 92D20, cs.LG, G.1.6, stat.CO, stat.ME, stat.ML | Sparsifying Bayesian neural networks with latent binary variables and normalizing flows はコメントを受け付けていません

Inferring networks from time series: a neural approach

要約 タイトル:時系列からのネットワーク推論:ニューラルアプローチ 要約: &# … 続きを読む

カテゴリー: 37A50, 49M41, 65K05, 68T07, cs.LG, G.1.6, math.OC | Inferring networks from time series: a neural approach はコメントを受け付けていません